HeRE：用 LLM 去噪知识图谱对齐构建希伯来语关系抽取基准
原文标题：HeRE: A Novel Benchmark for Hebrew Relation Extraction via LLM-Guided Denoising of Knowledge Graph Alignments
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出可扩展、语言无关的关系抽取数据构建方法，通过自然语言推理任务对知识库与文本的噪声对齐去噪，并比较五种去噪策略。结果显示少样本下多语言模型优于希伯来语专用模型，而专用编码器在 NLI 微调下仍有竞争力；母语提示效果不逊于英语提示。最优开源模型 Gemma-4-31B-it（F1 0.915）接近 API 模型 GPT-5.4（0.921），团队据此发布 150 万条希伯来语关系抽取银标数据集 HeRE。
- 问题
- 低资源语言关系抽取缺基准，人工标注贵、翻译数据有英语中心偏差。
- 方法
- 用 NLI 判定三元组是否被文本蕴含，对知识库与文本的噪声对齐去噪，比较五种去噪策略构建数据。
- 结果
- 最优开源 Gemma-4-31B-it F1 0.915 接近 GPT-5.4 的 0.921，双标注留出集 0.844；发布 150 万条希伯来语银标数据集 HeRE。
- 影响
- 提供可复制的低资源语言 RE 数据流水线，做多语种抽取的团队可直接套用。
深读 · 结论先行AI 生成展开看要点与影响 ↓
用 NLI 去噪知识库与文本对齐构建希伯来语 RE 基准，Gemma-4-31B-it F1 0.915 逼近 GPT-5.4 的 0.921。
- •提出语言无关的数据构建法：以自然语言推理定义「关系三元组被文本蕴含」的正当对齐，并比较五种去噪策略。
- •少样本下多语言模型优于希伯来语专用模型；专用编码器在 NLI 微调下仍有竞争力，无标签交叉训练中最强。
- •母语提示效果与英语提示持平或略优，说明流程在目标语言中自然运作。
- •最优开源 Gemma-4-31B-it F1 0.915 接近 API 模型 GPT-5.4 的 0.921，完全留出双标注测试集上 F1 0.844；发布 150 万条 HeRE 银标数据集。
为什么重要：为低资源语言关系抽取提供了可复制的免人工标注建基准路径，开源模型已接近闭源 API 水平。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。